Характеристики местообитаний морских млекопитающих Арктики по ДДЗ

на примере Чукотского моря



Платонов Н. Г.  Мордвинцев И. Н.

Кабинет методов ДЗЗ в экологии, ИПЭЭ РАН


Отчетная сессия ИПЭЭ РАН
Москва, ♡ 14 февраля 2020 г.
pdf version

Версия для чтения

Актуальность и применение

Приоритет оценок:

Методы:

Применение:

Методы

Параметры окружающей среды

Модельный регион: пацификация и атлантификация

Циркуляция вод Чукотского моря [[@Pisareva2018, Figure 1]]{.adopted}

Рисунок 1. Циркуляция вод Чукотского моря (Pisareva, 2018, Figure 1)

Фенокарты ледотаяния: построение

Временной ряд пояса маргинального льда

Рисунок 2. Временной ряд пояса маргинального льда

Аппроксимация временного ряда концентрации льда монотонными функциями

Рисунок 3. Аппроксимация временного ряда концентрации льда монотонными функциями

Use an argument (date) when monotonous function intersects sia ice concentration 15% constant value.

Одна карта пространственного распределения вместе серии карт

Рисунок 4. Одна карта пространственного распределения вместе серии карт

One map instead of map series, but only ice extent by sea ice concentration level 15% is figured.

Построение изохрон

Рисунок 5. Построение изохрон

Isochromes are better for visual analysis of phenology rate. Higher density of isochrones means slow rate of retreat or advance. Slow rate of sea ice retreat doesn’t force high locomotion near ice edge.

Smoothing of input phenology maps is desirable.

Расстояние между изолиниями за фиксированный интервал времени

Рисунок 6. Расстояние между изолиниями за фиксированный интервал времени

Slope/elevation GIS tools are used to generate rate maps with distinguish that day/meter not meter/meter relation is used to calculate slope.

Скорость и направление ледотаяния

Рисунок 7. Скорость и направление ледотаяния

Arrows are normal to isochrones.

Тенденция и сегментанция

Пример на фиктивном наборе данных

Рисунок 8. Пример на фиктивном наборе данных

Тенденция: линейная регрессия.

Сегментация: Непараметрическая сегментация временного ряда с использованием метода штрафной контрастной функции (Lavielle, 1999). Оптимальное число сегментов (Lavielle, 2005).

Тенденция для выявления темпа изменений. Сегментация для выявления смены климатических эпох (сдвига).

Выбор оптимального числа сегментов автоматическим (Lavielle, 2005) или по графику изменения контрастной функции.

Результаты

Сроки начала таяния поверхности льда

Рисунок 9. Методы оценки сроков таяния: PMW (Markus and Miller, 2019; Markus et al., 2009), NSIDC (Anderson et al., 2019), AHRA (Drobot and Anderson, 2001) reproduction (Belchansky et al., 2004), MDSDA (Belchansky et al., 2004), “Tentative” (Platonov 2007, неопублик.)

Метод AHRA [@DrobotAnderson2001_AHRA] с центра данных NSIDC [@AHRA_v4]

Рисунок 10. Метод AHRA (Drobot and Anderson, 2001) с центра данных NSIDC (Anderson et al., 2019)

Таблица 1. Linear slope: -0.4±0.18 d yr-1 (S=0.98)
Period Length Mean, DOY St.dev, days Julian
1988-2001 14 131.18 9.01 May11
2002-2009 8 117.82 5.89 Apr28
2010-2017 8 124.10 4.77 May04
Воспроизведение [@Belchansky2004_RSE] метода AHRA [@DrobotAnderson2001_AHRA] по актуализированным данным

Рисунок 11. Воспроизведение (Belchansky et al., 2004) метода AHRA (Drobot and Anderson, 2001) по актуализированным данным

Таблица 2. Linear slope: -0.5±0.15 d yr-1 (S=0.996)
Period Length Mean, DOY St.dev, days Julian
1988-2001 14 133.61 8.66 May14
2002-2019 18 123.47 6.48 May03
Сроки поверхностного таяния по методу MDSDA [@Belchansky2004_RSE] без адаптивной пространственной фильтрации

Рисунок 12. Сроки поверхностного таяния по методу MDSDA (Belchansky et al., 2004) без адаптивной пространственной фильтрации

Таблица 3. Linear slope: -0.2±0.11 d yr-1 (S=0.95)
Period Length Mean, DOY St.dev, days Julian
1988-2001 14 148.02 6.53 May28
2002-2019 18 142.67 4.35 May23
Сроки поверхностного таяния по «Tentative» алгоритму (Platonov 2007, *неопублик.*)

Рисунок 13. Сроки поверхностного таяния по «Tentative» алгоритму (Platonov 2007, неопублик.)

Таблица 4. Linear slope: -0.2±0.09 d yr-1 (S=0.96)
Period Length Mean, DOY St.dev, days Julian
1989-2013 25 144.29 3.65 May24
2014-2019 6 139.55 7.24 May20

Ледотаяние: сроки

Сроки ледотаяния по данным концентрации льда NASA Team по данным SSM/I и SSMIS

Рисунок 14. Сроки ледотаяния по данным концентрации льда NASA Team по данным SSM/I и SSMIS

Таблица 5. Linear slope: -0.8±0.17 d yr-1 (S>0.999)
Period Length Mean, DOY St.dev, days Julian
1988-2001 14 176.96 7.47 Jun26
2002-2014 13 168.24 7.44 Jun17
2015-2019 5 152.16 9.00 Jun01
Скорость движения кромки льда при ледотаянии для сезонов 2016-2019 гг.

Рисунок 15. Скорость движения кромки льда при ледотаянии для сезонов 2016-2019 гг.

Среднемноголетнее значение, изменчивость, линейный тренд и статистическая значимость тренда скорости движения кромки льда при ледотаянии для периода 2003-2019 гг.

Рисунок 16. Среднемноголетнее значение, изменчивость, линейный тренд и статистическая значимость тренда скорости движения кромки льда при ледотаянии для периода 2003-2019 гг.

Art by Josh. Probable rights violation. Adopted from Polar Bear Science.

Ледообразование: сроки

Сроки ледообразования по данным концентрации льда NASA Team по данным SSM/I и SSMIS

Рисунок 17. Сроки ледообразования по данным концентрации льда NASA Team по данным SSM/I и SSMIS

Таблица 6. Linear slope: 0.9±0.15 d yr-1 (S>0.999)
Period Length Mean, DOY St.dev, days Julian
1988-2001 14 306.06 8.35 Nov02
2002-2013 12 317.10 5.89 Nov13
2014-2019 6 330.14 5.56 Nov26
Среднемноголетнее значение, изменчивость, линейный тренд и статистическая значимость тренда скорости движения кромки льда при ледообразовании для периода 2004-2019 гг.

Рисунок 18. Среднемноголетнее значение, изменчивость, линейный тренд и статистическая значимость тренда скорости движения кромки льда при ледообразовании для периода 2004-2019 гг.

Продолжительность сезона отсутствия льда

Продолжительность сезона отсутствия льда на основании данных по срокам ледообразования и ледотаяния. Контуром показана изохрона 180 дней [@Gormezano2015].

Рисунок 19. Продолжительность сезона отсутствия льда на основании данных по срокам ледообразования и ледотаяния. Контуром показана изохрона 180 дней (Gormezano and Rockwell, 2015).

Продолжительность сезона присутствия льда

Продолжительность сезона присутствия льда на основании данных по срокам ледообразования и ледотаяния. Контуром показана изохрона 180 дней [@Gormezano2015].

Рисунок 20. Продолжительность сезона присутствия льда на основании данных по срокам ледообразования и ледотаяния. Контуром показана изохрона 180 дней (Gormezano and Rockwell, 2015).

Индекс близости к кромке льда

Распределение кромки льда и <a href=#edge_design>пространственной близости к ней</a> по отношению к ландшафтным характеристикам в августе 2019 г.

Рисунок 21. Распределение кромки льда и пространственной близости к ней по отношению к ландшафтным характеристикам в августе 2019 г.

Распределение кромки льда и <a href=#edge_design>пространственной близости к ней</a> по отношению к ландшафтным характеристикам в августе 2018 г.

Рисунок 22. Распределение кромки льда и пространственной близости к ней по отношению к ландшафтным характеристикам в августе 2018 г.

Распределение кромки льда и <a href=#edge_design>пространственной близости к ней</a> по отношению к ландшафтным характеристикам в августе 2017 г.

Рисунок 23. Распределение кромки льда и пространственной близости к ней по отношению к ландшафтным характеристикам в августе 2017 г.

Распределение кромки льда и <a href=#edge_design>пространственной близости к ней</a> по отношению к ландшафтным характеристикам в августе 2001 г.

Рисунок 24. Распределение кромки льда и пространственной близости к ней по отношению к ландшафтным характеристикам в августе 2001 г.

August 2001 (Fig 24) is cited for contrast with present situation

Временные ряды распространения кромки льда (*верх*), ее удаление от берега (*сред.*) и ее прохождения по глубинам (*нижн.*) для августа

Рисунок 25. Временные ряды распространения кромки льда (верх), ее удаление от берега (сред.) и ее прохождения по глубинам (нижн.) для августа

Longterm change of sea ice edge proximity is +0.26±0.060 yr-1 (S>0.999). Higher value is due to 1) presence of sea ice edge in this season and 2) curvature of edge line. In 2019 ice edge proximity was low due to early ice retreat.

Таблица 7. Segmentation of sea ice edge proximity by similarity/distinction in mean
Period Length Mean St.dev
1979-2001 23 13.9 3.5
2002-2019 18 20.5 5.2
Таблица 8. Segmentation of sea ice edge proximity by similarity/distinction in variance
Period Length Mean St.dev
1979-2007 29 14.9 4.0
2008-2019 12 21.4 5.8

Distance to land at the ice edge locations changes +7.4±0.9 km yr-1 (S>0.999). Maximal value 554 km was in 2019. Qualitatively, rate of increasing became higher at the end of 1990s (Fig 25, middle panel, green ‘loess’ line). During 2007-2019 (13 years) there are 9 leading maximals, all are greater than 300 km. There is/are 28 occurrence(s) of mean distance less than 300 km during 1979-2006.

Таблица 9. Segmentation of ice edge length to land by similarity/distinction in mean
Period Length Mean, km St.dev, km
1979-2006 28 157 47
2007-2019 13 349 93
Таблица 10. Segmentation of ice edge length to land by similarity/distinction in variance
Period Length Mean, km St.dev, km
1979-2006 28 157 47
2007-2019 13 349 93

Bathymetry at the ice edge locations changes +29.0±4.4 m yr-1 (S>0.999) inside of region. Maximal value 1966 m was in 2007.

Таблица 11. Segmentation of ice edge length to land by similarity/distinction in mean
Period Length Mean, m St.dev, m
1979-2001 23 313 248
2002-2019 18 1001 421
Таблица 12. Segmentation of ice edge length to land by similarity/distinction in variance
Period Length Mean, m St.dev, m
1979-2006 28 385 304
2007-2019 13 1110 408

Вероятность припайного льда

Вероятность присутствия припайного льда в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт [@AARI_ru]

Рисунок 26. Вероятность присутствия припайного льда в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт (ААНИИ, 2018)

Вероятность полыней

Вероятность присутствия полыней в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт [@AARI_ru]

Рисунок 27. Вероятность присутствия полыней в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт (ААНИИ, 2018)

Вероятность многолетнего льда

Вероятность присутствия многолетнего льда в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт [@AARI_ru]

Рисунок 28. Вероятность присутствия многолетнего льда в течение сезона 01 марта - 31 мая по данным еженедельных ледовых карт (ААНИИ, 2018)

Вероятность присутствия многолетнего льда в течение сезона 01 ноября - 31 января по данным еженедельных ледовых карт [@AARI_ru]. *Год соответствует ноябрю.*

Рисунок 29. Вероятность присутствия многолетнего льда в течение сезона 01 ноября - 31 января по данным еженедельных ледовых карт (ААНИИ, 2018). Год соответствует ноябрю.

Резюмируя…

В завершение…

  • Тренды арктических запросов Google

    []{style="display: none;"}

    Рисунок 30.

    []{style="display: none;"}

    Рисунок 31.

Дополнительная информация

Докладчик

  • Платонов Н.Г. ✉

Представитель

  • Институт проблем экологии и эволюции им. А.Н.Северцова Российской академии наук (ИПЭЭ РАН)

  • Кабинет методов дистанционного зондирования Земли и тематического дешифрирования в экологии ИПЭЭ РАН

  • Постоянно действующая экспедиция РАН

  • Программа изучения белого медведя в Россйской Арктике

  • Группа специалистов по белому медведю МСОП

Коллеги ИПЭЭ РАН

  • Мордвинцев И. Н. (кабинет методов ДЗЗ в экологии)

  • Иванов Е. А., Найденко С. В., Рожнов В. В. (лаборатория поведенческой экологии)

Поддержка

  • РФФИ 17-04-02049 A

  • РГО «Редкие виды»

  • Президиум РАН I.2.55.П «Арктика»

Anderson M, Drobot S, Bliss AC. 2019. Snow Melt Onset Over Arctic Sea Ice from SMMR and SSM/I-SSMIS Brightness Temperatures, Version 4. Boulder, Colorado USA: NASA National Snow and Ice Data Center Distributed Active Archive Center. 10.5067/A9YK15H5EBHK.

Belchansky GI, Douglas DC, Mordvintsev IN, Platonov NG. 2004. Estimating the time of melt onset, melt duration and freeze onset over Arctic sea-ice area using active and passive microwave data. Remote Sensing of Environment, 92(1): 21–39. 10.1016/j.rse.2004.05.001.

Drobot SD, Anderson MR. 2001. An improved method for determining snowmelt onset dates over Arctic sea ice using scanning multichannel microwave radiometer and Special Sensor Microwave/Imager data. J Geophys Res, 106: 24, 033–24, 049. 10.1029/2000JD000171.

Gormezano LJ, Rockwell RF. 2015. The energetic value of land-based foods in western Hudson bay and their potential to alleviate energy deficits of starving adult male polar bears. In: Dias J. M. (Ed) PLOS ONE, 10(6): e0128520. Public Library of Science (PLoS). 10.1371/journal.pone.0128520.

Lavielle M. 1999. Detection of multiple changes in a sequence of dependent variables. Stochastic Processes and their Applications, 83(1): 79–102. 10.1016/S0304-4149(99)00023-X.

Lavielle M. 2005. Using penalized contrasts for the change-point problem. Institut national de recherche en informatique et en automatique.

Markus T, Miller J. 2019 (06 December). Arctic sea ice melt. NASA Goddard Space Flight Center’s Cryospheric Sciences Laboratory. https://earth.gsfc.nasa.gov/cryo/data/arctic-sea-ice-melt (accessed 06 January 2020).

Markus T, Stroeve JC, Miller J. 2009. Recent changes in Arctic sea ice melt onset, freezeup, and melt season length. Journal of Geophysical Research: Oceans, 114(C12). American Geophysical Union (AGU). C12024. 10.1029/2009JC005436.

Pisareva MN. 2018. An overview of the recent research on the Chukchi sea water masses and their circulation. Russian Journal of Earth Sciences, 18(4): 1–13. Geophysical Center of the Russian Academy of Sciences. 10.2205/2018es000631.

ААНИИ. 2018. Обзорные ледовые карты Северного Ледовитого океана ЕСИМО. Центр "Север", Арктический и Антарктический научно-исследовательский институт, С-Петербург. http://www.aari.ru/odata/_d0015.php?lang=0 (accessed 23 November 2018).